动态心电监测系统介绍及关键技术水平分析
王吉鸣，吕颖莹，包涛，楼理纲，冯靖祎
浙江大学医学院附属第一医院 医学工程部，浙江 杭州 310003
[摘 要]心脏系统疾病的防治和诊断己成为当今医学界面临的重要问题，动态心电信号的监测是解决该问题的主要手段。本文首先在心电信号分析理论的基础上，介绍动态心电系统的硬件组成，对心电电极及硬件电路研究结果进行总结；其次，重点阐述了现阶段QRS波自动检测技术，举例说明运动伪迹干扰的滤波技术；再次，综述了QRS波特征提取的国内外相关研究成果；最后，对比了基于心电信号数据和心电信号特征参数的质量评估方法，并列举了国内外的心电信号质量评估案例。
[关键词]动态心电图；电极；QRS检波；运动伪迹；质量评估
心血管疾病是严重威胁人类健康的常见疾病，心脏疾病的预防和治疗问题亟待解决[1]。目前主要的心电监测系统包括静态心电监测系统[2]、心率失常检测、运动心电系统[3]及动态心电监测系统（Holter系统）。前3种方法的应用受患者的运动状态以及关键参数（波形振幅、频率等）的限制，缺乏灵活性及全面性。动态心电监测系统通过24小时监测患者日常生活中心电的变化情况，可以全面直观的了解患者心电变化，所以被广泛应用于目前的心电图监测中[4]。该系统根据心电信号的生理形成原因，可通过检测P波、QRS波、T波的不同波段以及间期组成，分析异常特性诊断患者的病理[5-6]。
动态心电信号具备信号幅值小、频率低、差异性大、抗干扰能力弱等特点，其极易受到肌电噪声、工频噪声、环境噪声等因素影响[7]。所以设计的智能心电监测系统需要克服以上不良影响，得到最真实的心电信号，并在相关专业软件基础上分析心电信号的关键点和异常点。智能心电监测系统主要由硬件和软件组成，硬件主要负责心电信号的采集处理与记录，软件主要负责心电信号的分析与结果比对。整个动态心电监测流程，见图1。本文总结了智能心电监测系统在软硬件研发过程中涉及到的相关技术，对相关技术进行分析及展望。
1 动态心电监测系统硬件介绍
图1 动态心电监测流程
动态心电监测系统的硬件主要由两个部分组成：心电传感器和信号采集模块。心电传感器即心电电极是本系统的重要组成部分，其性能直接影响心电源信号的质量。现阶段广泛应用的心电电极是一次性银-氯化银湿性电极，因银-氯化银材料的导电性优越，且信号在该材料上损耗小，该电极在获取心电源信号上具有独特优势。但长期接触银-氯化银会导致毒性渗入皮肤，随着动态心电监测系统品质要求的提升，逐渐涌现出一批新型材料心电电极。干电极的出现克服了湿电极的部分缺点，北卡罗莱纳州立大学的朱勇等人发明了一种基于银纳米线的干电极，该电极较传统干电极的优势明显，其信号采集质量与湿电极性能相当，且其不采用凝胶层结构，提升了患者佩戴舒适感[8]。由于湿电极的性能优越，研究者并没有放弃该类型电极的研究，Lobodzinski等[9]应用生物电位光纤传感器解决了湿电极与人体长期接触引起的皮肤敏感问题。由于材料技术的发展，出现了电子织物心电电极，其将导电电极纺线编织入衣物内，患者只要穿着该类型衣物，便可以通过镶嵌在衣物中的电极实时采集心电信号。较早完整地实现该技术的是韩国高科技研究院，他们提出的时尚平面电路板P-FCB，将电极集成到衣物上进行动态心电监测[10]。
动态心电监测系统的信号采集模块，见图2。其基本原理是通过电极采集心电源信号，由于动态心电监测信号的复杂特性，采集到的源信号幅值小（1 mV左右）、频率低（0.1～100 Hz）、噪声大。噪声的来源主要有环境热噪声、工频干扰等，另外由于人体处于运动状态，动作会造成电极的变形、移位、挤压，种种因素均会导致采集到的心电源信号不纯净，工程上称之为运动伪迹干扰。所以需要对源信号进行信号调理，主要的调理步骤包括前端放大、低通滤波、工频陷波、后端放大。采用多级放大电路主要为了克服噪声信号的放大；低通滤波器将不属于心电信号的噪声滤除，一般以二阶及以上低通滤波为宜；工频陷波电路可以有效滤除50 Hz的工频信号，一般采用双T型陷波电路。将调理后的信号传输至微处理器，现阶段常用的微处理器主要有MSP430、ARM芯片等，该类处理器的功耗低，在电池系统中表现出良好的功耗性能，且处理器自身带有12位的ADC模块，既能满足心电信号的采集精度要求，又能节约硬件成本。由于动态心电监测信号需要记录24 h的心电信号，系统的数据量大，一般数据存储模块会采用SD卡，其存储容量可以达到GB级别，且具备体积小、数据读取速度快、数据不易丢失等优点。
图2 动态心电监测系统信号采集模块
采集到的心电信号可以通过有线和无线两种形式传送至上位机进行数据分析。有线数据传输的局限在于需要患者在佩戴动态心电监测系统24 h后再将所有数据导入上位机，耗费的时间较长，但是其数据传输可靠性高，较少出现数据丢失的情况；无线数据传输可以克服空间时间的限制，做到实时数据上传显示，但无线传输可靠性较难保证，存在数据传输丢包现象，而心电信号对数据完整性要求较高，所以对无线数据传输提出了较高要求。2010年，Teo等人研发了基于SoC芯片的无线传感器节点，将其应用于动态心电监测系统的数据传输上，较好的实现了心电信号的监测[11]。同年，我国的张兢等人也利用无线传感模块，研发了一套功耗低、数据传输稳定性良好的动态心电监测系统，并在实际应用中证实了装置的可靠性。
2 QRS波自动检测技术的介绍
心电信号监测需要软件配合将心电信号中的有效信号提取出来，常用的抑制噪声干扰的方法有数字滤波器法、小波滤波、自适应滤波等。1996年，Levkov等提出了采用分段处理信号的方法将采集到的信号进行线性和非线性段滤波[12]。国内也逐步涌现出一批有效的滤波算法，Zhang等[13]提出了基于多级、多尺度形态学的滤波器，该方法对心电信号的去干扰效果明显。目前，由于肌电干扰带来的心电信号噪声仍然没有特殊的解决方法，所以心电信号去干扰研究仍然十分具有前景。
2.1 运动伪迹干扰处理技术
在对经硬件调理后的心电信号进行特征检测之前还需要完成另外一项重要的工作，即运动伪迹去除。运动伪迹给心电信号带来的干扰图，见图3。
运动伪迹干扰的心电图与普通异常的心电图相似，若不加以区分极有可能给患者带来错误的诊断。各学者在对运动伪迹信号干扰方面进行了大量深入研究，提出了各种信号处理技术，其中较成熟的信号处理包括自适应滤波、卡尔曼滤波以及小波变换滤波。自适应滤波最初是由Widrow B提出的，他将带干扰的信号与参考信号进行比较，将得到的比较结果作为依据改变滤波器的相关参数，改进滤波器对应特定输入信号的滤波特性，提高信号的信噪比[14]。另外也有相关学者应用加速度传感器记录人体运动特征，作为最终的数据处理中对应时间段的心电信号噪声参考源[15]。
图3 带运动伪迹干扰的心电联导信号
2.2 心电信号特征提取技术
在完成心电信号的滤波之后，需要对信号波形的特征进行提取，主要是提取并分析信号中的QRS波群，然后对QRS波峰峰值、面积、宽度、横向偏移量、纵向偏移量以及信噪比等进行检测。对QRS波群的特征检测效果的好坏是决定动态心电监测系统产品关键，其直接影响患者的诊断结果，所以国内外学者提出了众多对QRS波群的特征检测方法，其中主要包括基于数学模型的QRS波特征提取、基于滤波和阈值检测的QRS波特特征提取、基于模板匹配的QRS波特特征提取、基于小波变换的QRS波特特征提取等。特征提取的主要流程，见图4。
图4 QRS波特征提取的流程
基于滤波和阈值检测的方法复杂性较低且应用简单，在早期的动态心电监测产品中应用较为广泛，但是由于方法的局限性以及信号的复杂性，对阈值的设定需要人为根据经验法设定，其信号特征提取效果有限。当然早期学者也在此基础上提出了较多的改进阈值检测方法，例如Suppappola等[16]提出了改进阈值检测方法，GritZali[17]提出了用阈值方法去分隔幅值，提取有效的信号特征。
基于数学模型的QRS波特征提取则将QRS波群进行数学模型的建立，根据数学模型来区分有效的QRS波，虽然效果显著但是建模的步骤计算量大，而且模型建立对高频噪声特别敏感，在实际应用存在缺陷[18-19]。
根据小波变换方法展开的QRS波特征提取方法是在信号进行时域和频域分析，将心电信号分解为多个尺度进行多维分析，其效果较好。国内的学者在基于小波变换的波群特征提取方面取得较多的成果。例如梁崴巍等人应用样条小波的方法捕捉到了QRS波的始末点，针对确定区域内的QRS波形分析对病患的诊断更具说服力[20]。李翠微等人也是应用样条小波的原理，但是他们在此基础上分割出小波分析将噪声信号与QRS波信号尺度，根据不同尺度的分析可以区分QRS波的始末点。也有学者将QRS波的特征进行聚类分析，得到相应的分析结果供病患研究[21]。
随着数学计算方法与处理器硬件的发展，基于模板匹配的QRS波特征提取被越来越多的应用于实际心电监测产品，该方法的基本原理就是处理后的心电信号与模板库中的信号进行比对，得到对应的特征参数，模板库的大小决定了该方法的有效性，现阶段的处理器内存技术已经可以完全满足模板库要求。
3 动态心电信号质量评估技术
心电信号用不同的方式进行硬件信号采集调理、软件去噪、运动伪迹去除以及波形特征提取后，得到的信号也是千差万别，要使研发的产品性能好、诊断正确率高，需要做心电信号质量评估。质量评估方案是近几年提出的，其对心电监测系统产品质量的提高带来了巨大的好处。
心电信号的质量评估方法总体上可以分为两种：① 基于整体或者局部的信号数据进行质量评估；② 基于信号特征参数提取进行质量评估。前者主要涉及到数学计算方面的均方误差、标准差、信噪比、峰值误差等原理，通过对原始数据的计算，以及现有的质量评估标准，完成心电信号质量的分类。后者主要在完成QRS波特征提取之后，对得到的波形特征参数R波检测匹配度，并且对Q波、R波、T波重合率等进行质量评估。前者应用数学方法可以实现简单的心电信号质量分类，但并不能分辨出异常信号或者干扰信号处于整体信号的位置；后者虽然能分别异常信号与干扰信号，但同时也受制于噪声干扰，若前端的QRS波特征提取效果不佳，将会直接影响信号质量的评估。
部分学者提出了一种直接的方法，在完成QRS波的特征提取后，将得到的波形面积进行分析，顺序比较QRS波两两之间的面积，以直方图直观的显示心电信号质量问题。该方法虽然直观形象，但是仅采用波形面积一项参数作为质量评估基准，缺乏科学性。后面又出现了以心电信号的振幅时间、基线漂移振幅、最大振幅等参数作为评估基准，结合Mason-Likar导联方法，综合评价信号质量，使得评估结果更具说服力[22]。国内学者易晓霖[23]提出了一套动态心电信号质量评估方法，跟上述方法不同的是两者提出的依据参数不同，其将QRS波群特征提取后得到的R波检测匹配度也作为参数，结合QRS波群的功率谱密度比值，划分不同质量等级的心电信号，该方法可行性较高且效果良好。
4 总结
我国是人口大国，心血管疾病患者及潜在患者数量众多，这对动态心电监测系统提出很高的要求。心电监测系统在未来应该向全信息、多导联、多功能方向发展，提高心电信号的监测性能和运动伪迹干扰的滤除，进一步提升系统的自动分析能力。
[参考文献]
[1] Hossain P,Kawar B,Nahas M.Obesity and diabetes in the developing world a growing challenge[J].N Engl J Med,2007, 356(3):213-215.
[2] Pan J,Tompkins WJ.A real-time QRS detection algorithm[J]. IEEE Trans Biomed Eng,1985,32(3):230-236.
[3] 白家莲.动态心电信号分析系统[D].长沙:中南大学,2009.
[4] 于南详,陈东义,夏侯士戟.可穿戴计算技术及其应用的新发现[J].数字通信,2012,39(4):13-20.
[5] Huigen E,Peper A,Grimbergen CA.Investigation into the origin of the noise of surface electrodes[J].Med and Biol Eng and Comput,2002,40(3):332-338.
[6] 解凤英,范秀华,梁朝霞,等.动态心电图在小二心律失常与心率变异性诊断中的意义[J].现代生物医学进展,2015,15(36):7144-7146.
[7] 郭继鸿,张萍.动态心电图学[M].北京:人民卫生出版社,2003: 10-36.
[8] 李肃义,杨美玲,丁梅,等.动态心电采集记录系统的发展与展望[J].生物医学工程杂志,2012,29(1):175-178.
[9] Lobodzinski SM,Laks MM.Biopotential fiber sensor[J]. J Electrocardiol,2006,39(4):S41-S46.
[10] Yoo J,Yan L,Lee S,et al.A wearable ECG acquisition system with compact planar-fashionable circuit oard-based shirt information technology in bio-medicine[C].IEEE Transaction on 2009,13(6):897-902.
[11] Teo HT,Qian XB,Gopalakrishnan PK,et al.A 700-wireless sensor node SoC for continuous real-time health monitoring[J]. IEEE J Solid-State Circuits,2010,45(11):2292-2299.
[12] Dotsinsky IA,Daskalov IK.Accuracy of 50Hz interference subtraction from an electrocardiogram[J].Med Biol Eng Comput, 1996,34(6):489-494.
[13] Zhang F, Lian Y.QRS detection based on multi-scale mathematical morphology foe wearable ECG devices in body area networks[J]. IEEE Trans Biomed Circuits Syst.2009,3(4):220-228.
[14] Romero,Inaki B,Torfinn B,et al.Motion artifact reduction in ambulatory ECG monitoring: an integrated system approach[A]. Proceedings of the 2nd Conference on Wireless Health, ACM[C]. 2011:1124-1135.
[15] Sung WY,Se DM,Yong HY,et al.Adaptive motion artifacts reduction using 3-axis accelerometer in e-textile ECG measurement system[J]. J Med Syst,2008,32(2):101-106.
[16] Suppappola S,Sun Y.Nonlinear transforms of ECG signals for digital QRS detection: a quantitative analysis[J].IEEE Trans on Biomed Eng,1994,41(4):197-400.
[17] Gritzali F.Towards a generalized scheme for QRS detection in ECG waveforms[J].Signal processing,1988,15(2):183-192.
[18] 杨凯,丛林,胡文东,等.基于BMD101的嵌入式无线心电监测系统[J].电子技术应用,2014,40(1):122-124.
[19] 凌振宝,李妹妍,张铭,等.基于ZigBee技术的无导联线动态心电监测仪设计[J].电子技术应用,2015,41(8):66-71.
[20] 董春桃,隋伟,喻洪流.基于改进的差分阈值法心脏远程监测的实时与回顾性分析[J].中国医学装备,2014,(11):51-54.
[21] 晏明军.基于小波变换和FPGA的心电监测系统设计[J].电子测试,2014,(20):35-39.
[22] Langley P, Di Marco, LY,et al.An algorithm for assessment of Quality of ECGs acquired via Mobile telephones[J].Comput Cardiol,2011,38:281-284.
[23] 易晓霖.可穿戴心电信号质量综合评估及节律分析系统[D].上海:东华大学,2012.
Introduction of Dynamic ECG Monitoring System and Analysis of Key Technical Level
WANG Ji-ming, LV Ying-ying, BAO Tao, LOU Li-gang, FENG Jing-yi
Department of Clinical Engineering, The First Affiliated Hospital of Medical School of Zhejiang University, Hangzhou Zhejiang 310003, China
Abstract：Heart system disease prevention and diagnosis has become the top issue in medical field. Dynamic electrocardiography (ECG) signal monitor was the main mean to solve this problem. On the basis of ECG signal analysis theory, this paper introduced the hardware components of the dynamic ECG monitoring system, investigated the status of ECG electrodes and hardware circuit at home and abroad. In the algorithm aspects, it also elaborated QRS wave automatic detection technology. The paper illustrated the f lter technology of motion artifact interference, studied the related research results of QRS potter character extraction. Finally, it compared different quality evaluation method based on ECG signal data and ECG signal characteristic parameters, illustrated different cases of ECG signal quality evaluation.
Key words：dynamic ECG; electrode; QRS wave detection; motion artifact; quality evaluation
[中图分类号]R541
[文献标识码]A
doi：10.3969/j.issn.1674-1633.2016.10.021
[文章编号]1674-1633(2016)10-0071-04
收稿日期：2016-03-31
修回日期：2016-05-07
基金项目：浙江省医药卫生科技计划项目(201463043)。
通讯作者：冯靖祎，研究员，主要研究方向为临床医学工程技术与管理。